Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Donanım Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: CANSU ÇALIK
Danışman: Efnan Şora Günal
Özet:
Hava kalitesi tahmini, belirli kirleticilerin, gözlem birimlerindeki sensörler yardımı ile elde edilen verilerinin, gelişen derin öğrenme ve makine öğrenmesi gibi teknikler kullanılarak modellenmesidir. Tez çalışması ile, hava kalitesi indeksi ve 𝑃𝑀10, 𝑆02, 𝑂3, 𝐶𝑂, 𝑁𝑂2 gibi hava kirletici verileri ile güncel derin öğrenme modellerinin tahmin performanslarının karşılaştırılması amaçlanmıştır. Bu amaç ile ANN, CNN, LSTM, ResNets ve Auto Regressive modeller ile karşılaştırmalı analiz yapılmıştır. Deneysel çalışmada, tek bir zaman adımı ve birden çok zaman adımı için tahminlerin yapıldığı iki yöntem uygulanmıştır. Her iki yöntemde de tüm öznitelikler ve AQI için tahminler yapılarak tüm sonuçlar için karşılaştırmalı analizler gerçekleştirilmiştir. Tek adımlı tahmin yönteminde model performanslarının mevsimsel trend üzerindeki davranışları analiz edilmiştir. AQI’in tahmininde en iyi tahmin performansını veren model LSTM olmuştur. Tüm özniteliklerin tahmininde en iyi performansı CNN modeli göstermiştir. Çok adımlı tahmin yöntemi ile ise ileri dönem zaman serisinin tek seferde tahmini gerçekleştirilmiştir. Ayrıca, modelin yalnızca tek adımlı tahminler yaptığı, çıktısının girdi olarak geri beslendiği otoregresif model ile analiz yapılmıştır. Öznitelik olarak AQI’in tahmin edildiği tüm ileri dönem tahmin performansları karşılaştırıldığında LSTM en iyi tahmin performansı sergilemektedir. Tüm özniteliklerin tahmin edildiği ileri dönem tahminlerinde saat bazlı olarak en iyi performans CNN modeli ile elde edilmiştir.